Ceci est une ancienne révision du document !
Table des matières
Yolo Darknet sans carte graphique
Installation de YOLO Darknet sur un portable sans carte graphique Simplement pour tester avec 1000 images
Sources et ressources
- darknet de AlexeyAB sur GitHub bien documenté
- Détection avec YOLO v2 Les explications pour créer les images training et test
Création du set d'apprentissage
Nous avons 1000 images 416×416 obtenus avec Création du set d'apprentissage et les fichiers test.txt et train.txt
Compilation de darknet
Dépendances:
Lancer la compilation et trouver les dépendances avec les erreurs.
Modification du fichier Makefile
GPU=0 CUDNN=0 CUDNN_HALF=0 OPENCV=0 AVX=0 OPENMP=1 LIBSO=1
Dans le dossier de darknet:
make -j8
Fichiers manquants et à modifier
darknet53.conv.74
wget https://pjreddie.com/media/files/darknet53.conv.74
cfg/obj.data
classes= 27 train = train.txt valid = test.txt names = obj.names backup = backup/
Créer un fichier obj.names:
a space b c d etc ..... x y z
cfg/tinyv3-yolo.cfg
*.txt
test.txt et train.txt sont à coller dans le dossier darknet
Les chemins dans ces fichiers sont absolus !
Un petit calcul d'apprentissage de 24 heures
./darknet detector train cfg/obj.data cfg/tiny-yolo.cfg darknet53.conv.74 -map
ça crée un dossier darknet/backup avec des fichiers:
yolov3-tiny_1000.weights yolov3-tiny_2000.weights yolov3-tiny_3000.weights
Un test enfin !
L'image shot_878_e.jpg est copiée dans data, puis:
./darknet detector test cfg/obj.data cfg/yolov3-tiny.cfg backup/yolov3-tiny_2000.weights data/shot_878_e.jpg
Le résultat est dans l'image predictions.jpg du dossier darknet.
Efficacité = 0.00 %
Conclusion
De meilleurs résultats, avec une carte graphique poussive, des images de sémaphore retaillées au plus proche de l'objet: Yolo Darknet sur un portable Optimus